机械工程学报

作者：王跃飞, 王超, 许于涛, 孙睿, 肖锴, 王凯林

单位：1. 合肥工业大学机械工程学院 合肥 230009;2. 合肥工业大学安全关键工业测控技术教育部工程研究中心 合肥 230009

关键词：智能制造单元,数字孪生,端-边-云协同,遗传算法；

基金：国家自然科学基金 (61202096)和安徽省重点研究与开发计划(202104a05020018)资助项目。

智能制造单元作业数字孪生任务的高保真建模和调度优化是智能制造系统实现的关键问题之一。针对该问题，提出一种边-云协同下智能制造单元作业数字孪生任务的调度方法。基于智能制造系统端-边-云架构的虚拟现实交互框架，提出智能制造单元作业与数字孪生任务的映射方法，建立作业数字孪生任务调度的问题模型。考虑智能制造系统虚拟现实交互的快速响应性和偏差问题，提出一种基于端-边-云协同的数字孪生任务混合重调度策略。针对作业数字孪生任务调度的优化目标，设计环境自适应多因子优化遗传算法(Environmental adaptive multi-factor optimization genetic algorithm, EAMO-GA)。试验数据表明，EAMO-GA算法满足结果正确性验证，并且其有效性和收敛性都优于其他算法，可满足大规模、并行式数字孪生任务的调度场景需求。

来源：2024年第6期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第6期